Fish Audio lève 50 millions de dollars pour permettre à chacun de cloner une voix, mais les questions de consentement persistent

Points clés

• Fish Audio a clôturé un tour de financement en phase d'amorçage de 50 millions de dollars mardi, dirigé par Coreline Ventures et Capital Today.
• La startup a déclaré 21 millions de dollars de revenus récurrents annuels et plus de 8 millions d'utilisateurs en cette semaine.
• La bibliothèque de voix de Fish Audio a été construite en partie à partir d'enregistrements soumis par les utilisateurs, dont certains ont été téléchargés sans le consentement des créateurs originaux.
• L'entreprise a automatisé son processus de suppression de voix, promettant un retrait en moins de trois minutes après une réclamation vérifiée.
• Fish Audio prévoit de lancer un modèle de compréhension audio et un modèle de conversion parole-parole avant la fin de 2025.

Une startup de Palo Alto qui permet aux développeurs, aux concepteurs de jeux et aux entreprises de générer des voix synthétiques réalistes vient de sécuriser une importante injection de financement en phase d'amorçage, confirmant un fort appétit des investisseurs pour la technologie de synthèse vocale basée sur l'IA, même si le secteur grapple avec des questions épineuses sur la propriété des voix.

Fish Audio a annoncé mardi qu'elle avait levé 50 millions de dollars dans un tour d'amorçage, le type de financement précoce qui intervient généralement avant qu'une entreprise ait fait ses preuves à grande échelle. Coreline Ventures et Capital Today ont dirigé le tour, auxquels se sont joints 359 Capital, Parable, Play Time, Alphalist Partners, Bayhouse Ventures, Carya Venture Partners et HF0.

Que fait réellement Fish Audio ?

L'entreprise développe des modèles de synthèse vocale, des logiciels qui convertissent des mots écrits en audio parlé, en mettant l'accent sur l'expressivité et un contrôle granulaire. Sa bibliothèque propose plus de 15 000 contrôles en langage naturel, ce qui signifie qu'un développeur peut écrire une instruction comme « sonner nerveux mais rassurant » plutôt que d'ajuster des curseurs techniques.

Fish Audio a lancé cinq modèles au cours de l'année écoulée : quatre modèles de génération de parole et un modèle de parole-texte, qui fait l'inverse en convertissant l'audio en texte écrit. Trois des modèles vocaux sont open-source, ce qui signifie que quiconque peut télécharger et utiliser le code gratuitement. Son dernier modèle, S2.1 Pro, n'est disponible que via une API payante, une interface de programmation qui permet à d'autres applications de se connecter à la technologie de Fish Audio.

L'entreprise remonte à un projet parallèle d'un ancien chercheur chez Nvidia, Shijia Liao. Frustré par le son robotique des voix synthétiques, il a entraîné un modèle sur un seul GPU, la puce spécialisée qui effectue le calcul intensif que l'IA nécessite, et a publié le code publiquement. Ce référentiel a depuis reçu plus de 31 000 stars sur GitHub, une mesure approximative de l'intérêt des développeurs.

Aujourd'hui, les clients payants incluent HeyGen, qui alimente les avatars IA, et les plateformes d'agents vocaux d'entreprise. Fish Audio génère 21 millions de dollars de revenus récurrents annuels, selon un rapport initial de TechCrunch.

Les créateurs devraient-ils s'inquiéter de l'utilisation de leurs voix sans permission ?

Possiblement, oui. Au début de cette année, certains artistes ont allégué que leurs voix apparaissaient sur la plateforme de Fish Audio sans leur consentement. Une partie de la stratégie de croissance de Fish Audio consiste à demander aux utilisateurs de soumettre des voix pour l'entraînement du modèle, en compensant les contributeurs lorsque leurs enregistrements sont utilisés. Le système repose sur la confiance, et cette confiance s'est fissurée.

L'entreprise a depuis automatisé son processus de retrait DMCA. La DMCA, la Digital Millennium Copyright Act, est une loi américaine qui donne aux créateurs une voie formelle pour exiger le retrait de leurs matériaux protégeables par le droit d'auteur des plateformes en ligne. La PDG Rissa Cao affirme qu'une réclamation vérifiée déclenche maintenant le retrait en moins de trois minutes.

L'écart dans le processus reste réel. Rien n'empêche quelqu'un de télécharger la voix d'une autre personne sans sa connaissance. La voix reste en ligne jusqu'à ce que le créateur affecté la découvre et dépose une réclamation.

Oskue Honda, partenaire chez l'investisseur principal Coreline Ventures, a reconnu directement le problème : « Le consentement, la transparence et l'attribution doivent être intégrés dans le produit plutôt que traités comme des réflexions secondaires. »

Que se passe-t-il ensuite ?

Fish Audio utilisera le financement pour développer des modèles plus avancés et courtiser des clients d'entreprise plus importants. Deux nouveaux produits sont prévus pour 2025 : un modèle de compréhension audio, qui interpréterait le sens et le contenu des clips audio, et un modèle de conversion parole-parole qui convertit une voix parlée en une autre en temps réel.

Le marché est encombré. ElevenLabs, WellSaid, Cartesia et Speechify rivalisent tous pour les mêmes développeurs et budgets commerciaux. L'argument de Fish Audio est qu'elle peut égaler la qualité de pointe à moindre coût, en partie parce que son équipe de fondateurs allégée a maintenu les dépenses de formation réduites.

Pour les utilisateurs ordinaires, la conclusion pratique est simple : recherchez votre nom ou votre voix sur toute plateforme audio IA à laquelle vous ne vous êtes pas explicitement inscrit. Si vous trouvez quelque chose, la plupart des plateformes ont maintenant une voie de retrait. Celle de Fish Audio est maintenant plus rapide que la plupart.

Questions courantes

Une entreprise peut-elle légalement utiliser votre voix pour entraîner une IA sans vous le demander ?

Dans la plupart des juridictions, non. La loi sur le droit d'auteur et, dans certains États américains, les statuts de droit à la publicité donnent aux individus le contrôle sur l'utilisation commerciale de leur voix. Le paysage juridique évolue toujours, mais télécharger la voix de quelqu'un d'autre sans consentement comporte déjà un risque réel pour la personne qui la télécharge.

Qu'est-ce qu'un tour d'amorçage et pourquoi 50 millions de dollars semble-t-il élevé pour cela ?

Un tour d'amorçage est le premier investissement extérieur formel qu'une startup accepte, généralement utilisé pour développer le produit et embaucher du personnel. Cinquante millions de dollars est anormalement élevé à ce stade, reflétant l'ampleur de la concurrence pour soutenir les entreprises d'infrastructure IA avant qu'elles n'atteignent des tours de financement ultérieurs, plus coûteux.